آیا می توان به جای این که در تابع ارزیابی برداری از متغیرها داشته باشیم برداری از ماتریس ها یا بردارها داشته باشیم. به عبارت دیگر رمزگذاری مسئله به شکلی باشد که برای  نمایش هر کروموزوم (کشور) یک ماتریس داشته باشیم. آنگاه آیا می توان از کدهای متلب الگوریتم رقابت استعماری که در حال حاضر در وبسایت محاسبات تکاملی (+) قرار دارد برای این رمزگذاری استفاده کرد یا باید نسخه ای دیگر از این برنامه تولید کرد؟ اگر تغییراتی در کدفعلی لازم است، لطفا بفرمایید.

با سپاس فراوان

پاسخ سوال بسیار ساده می باشد.

ابتدا لازم به ذکر است که در موارد ماتریسی، نسخه هایی از روشهای مطرح بهینه سازی وجود دارند که در همان ابتدا، مسئله را به صورت یک ماتریس کد می کنند و تمام عملیات را روی آنها بازتعریف می کنند. اما درعمل نیازی به چنین کاری نیست. برای حل مشکل کافی است ما ماتریس متغیرها را reshape کنیم. مثلاً فرض کنید ۲۰ مجهول مسئله بهینه سازی به صورت یک ماتریس ۴*۵ قرار گرفته اند. کاری که ما انجام می دهیم این هست که مسئله بهینه سازی را برای بردار ۲۰*۱ تعریف می کنیم (که در این حالت همانگونه که بیان شد روشهای بهینه سازی با آن مشکلی ندارند). اما در داخل تابع هزینه یک دستور reshape (در صورت استفاده از متلب) به کار می بریم تا قبل از ارزیابی تابع هزینه برای بردار ۲۰*۱، ابتدا آن را به ماتریس ۴*۵ تبدیل کند. یعنی در خط اول تابع هزینه می نویسیم:

function Cost  = CostFunction(X)
XR = reshape(X,5,4);
Cost = evaluate cost at XR
end

با این کار بدون اینکه برنامه بهینه سازی متوجه شود، ما تمام ارزیابی ها را به صورت ماتریس انجام می دهیم، در حالی که الگوریتم با یک بردار ۲۰*۱ کار می کند. تابع هزینه محاسبات را برای ماتریس انجام می دهد و مقداری که بر می گرداند، همان هزینه مرتبط با رشته ۲۰*۱ می باشد.

© eag for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: برداری از ماتریس ها, برداری از متغیرها, دستور reshape, ذره, رمزگذاری مسئله, ماتریس, کد کردن کروموزوم, کشور

Feed enhanced by Better Feed from Ozh

مسائل بهینه سازی از نظر تعداد توابع هدف و معیارهای بهینه سازی، به دو نوع تقسیم پذیر هستند: (۱) مسائل بهینه سازی تک هدفه و (۲) مسائل بهینه سازی چند هدفه. در مسائل بهینه سازی تک هدفه، هدف از حل مسأله بهبود یک شاخص عملکرد (Performance Index) یگانه است که مقدار کمینه یا بیشینه آن، کیفیت پاسخ به دست آمده را به طور کامل منعکس می کند. اما در برخی موارد، نمی توان صرفا با اتکا به یک شاخص، یک پاسخ فرضی برای مسأله بهینه سازی را امتیازدهی نمود. در این نوع مسائل، ناگزیریم که چندین تابع هدف یا شاخص عملکرد را تعریف نماییم و به طور همزمان، مقدار همه آن ها را بهینه کنیم.

بهینه سازی چند هدفه، یکی از زمینه های بسیار فعال و پرکاربرد تحقیقاتی در میان مباحث بهینه سازی است. غالبا بهینه سازی چند هدفه (یا Multi-objective Optimization) به نام های بهینه سازی چند معیاره (یا Multi-criteria Optimization) و بهینه سازی برداری (یا Vector Optimization) نیز شناخته می شود. روش های فراوانی تا کنون برای حل این مسائل ارائه شده اند که در حالت کلی می توان آن ها را به دو دسته تقسیم نمود:

• روش های کلاسیک، که اغلب مسأله چند هدفه را به یک مسأله یک هدفه تقلیل می دهند، و
• روش های تکاملی، که اغلب مسأله بهینه سازی چند هدفه را واقعا به صورت چند هدفه حل می نمایند.

اگر قصد دارید که در کمترین زمان ممکن و با بهترین کیفیت، مباحث تئوری و عملی مربوط به بهینه سازی چند هدفه را فرا بگیرید، حتما این پست را بخوانید. محصولی که در این پست قصد معرفی آن را داریم، بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب است که نه تنها مشابه ایرانی، که مشابه خارجی نیز ندارد و محصولی واقعا بی نظیر است.

بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب، مجموعه ای از چهار فیلم آموزشی است که در مجموع شامل ۱۱ ساعت برنامه آموزشی تخصصی است، که به صورت تئوری و عملی ارائه شده اند. عناوین فیلم های آموزشی تشکیل دهنده این بسته آموزشی عبارتند از:

• فیلم آموزشی مبانی تئوری و روش های کلاسیک بهینه سازی چندهدفه
• فیلم آموزشی جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب –  شامل مباحث تئوری و عملی
• فیلم آموزشی جامع الگوریتم PSO چند هدفه یا MOPSO در متلب — شامل مباحث تئوری و عملی
• فیلم آموزشی پیاده سازی روش های کلاسیک بهینه سازی چند هدفه در متلب

برای کسب اطلاعات بیشتر در مورد این بسته آموزشی، ادامه مطلب را ببینید.

(...)
Read the rest of بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب (به زبان فارسی) (597 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: MOPSO, Multicriteria Optimization, Multiobjective Optimization, NSGA, NSGA-II, NSGA2, PSO چند, Vector Optimization, آموزش الگوریتم ژنتیک چند هدفه, الگوریتم ژنتیک چند هدفه, بهینه سازی, بهینه سازی برداری, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی گروه ذرات چند هدفه, تصمیم گیری چند معیاره, روش های کلاسیک بهینه سازی چند هدفه

Feed enhanced by Better Feed from Ozh

الگوریتم ژنتیک چند هدفه با مرتب سازی نامغلوب یا Non-dominated Sorting Genetic Algorithm یکی از الگوریتم های شاخص و پرکاربرد در زمینه بهینه سازی چندهدفه است. پس از ارائه نسخه اول این الگوریتم در سال ۱۹۹۵، معرفی کنندگان این الگوریتم، که از میان آن ها دب (Deb) معروف تر از سایرین است، نسخه دوم آن را در سال ۲۰۰۲ با نام اختصاری NSGA-II ارائه نمودند.

در کنار تمام کارایی هایی که NSGA-II دارد، می توان آن را الگوی شکل گیری بسیاری از الگوریتم های بهینه سازی چند هدفه دانست. این الگوریتم و شیوه منحصر به فرد آن در برخورد با مسائل بهینه سازی چند هدفه، بارها و بارها توسط افراد مختلف برای ایجاد الگوریتم های بهینه سازی چندهدفه جدید تر، مورد استفاده قرار گرفته است. بدون شک این الگوریتم یکی از اساسی ترین اعضای کلکسیون الگوریتم بهینه سازی چندهدفه تکاملی است که می توان آن ها را نسل دوم این گونه روش ها نامید.

موضوع بحث فیلم آموزشی که در این پست قصد معرفی آن را داریم، مبانی تئوری الگوریتم NSGA-II و شیوه پیاده سازی آن در محیط متلب است. برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، ادامه مطلب را ببینید.

(...)
Read the rest of فیلم آموزشی جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب (به زبان فارسی) (477 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | One comment | Add to del.icio.us
Post tags: Multicriteria Optimization, Multiobjective Optimization, NSGA, NSGA-II, NSGA2, Vector Optimization, آموزش الگوریتم ژنتیک چند هدفه, الگوریتم ژنتیک, الگوریتم ژنتیک با مرتب سازی نا مغلوب, الگوریتم ژنتیک با مرتب سازی نامغلوب, الگوریتم ژنتیک چند هدفه, بهینه سازی, بهینه سازی برداری, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی چند هدفه در متلب, تصمیم گیری چند معیاره, نسخه دوم الگوریتم ژنتیک با مرتب سازی نا مغلوب

Feed enhanced by Better Feed from Ozh

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است. این الگوریتم در اواسط دهه ۱۹۷۰ توسط جان هالند معرفی شد و پس از وی، یکی از شاگردانش به نام دیوید گولدبرگ با جمع آوری نتایج به دست آمده از کارهای خود و استادش (هالند)، کتابی را منتشر کرد، که مهم ترین و تاثیرگذارترین مرجع در زمینه الگوریتم های ژنتیک به حساب می آید. بسیاری از افراد، سایر روش های بهینه سازی هوشمند را، نسخه های تغییر یافته ای از الگوریتم ژنتیک می شناسند و قائل به اصالت وجود و ماهوی سایر الگوریتم ها نیستند.

بسته طلایی فیلم های آموزشی الگوریتم ژنتیک، مشتمل بر هفت فیلم آموزشی است، که در مجموع شامل بیش از ۱۴ ساعت (۸۶۰ دقیقه) برنامه آموزشی تخصصی هستند. اسامی بخش های مختلف این بسته آموزشی در ادامه آمده است:

• فیلم جامع آموزش عملی الگوریتم های ژنتیک در متلب — بخش تئوری
• فیلم جامع آموزش عملی الگوریتم های ژنتیک در متلب — بخش عملی
• فیلم آموزشی حل مسأله مکان یابی هاب با استفاده از الگوریتم ژنتیک
• فیلم آموزشی حل مسأله حمل و نقل با استفاده از الگوریتم ژنتیک
• فیلم آموزشی حل مسأله تخصیص درجه دو یا QAP با استفاده از الگوریتم ژنتیک
• فیلم آموزشی حل مسأله کوله پشتی با استفاده از الگوریتم ژنتیک
• فیلم آموزشی شناسایی سیستم های غیر خطی با استفاده از الگوریتم ژنتیک

برای کسب اطلاعات بیشتر در خصوص این بسته آموزشی بی نظیر، بر روی لینک ادامه مطلب کلیک نمایید.

(...)
Read the rest of بسته طلایی فیلم‌های آموزشی الگوریتم ژنتیک — شامل مباحث تئوری و عملی (به زبان فارسی) (441 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 2 comments | Add to del.icio.us
Post tags: Binary Genetic Algorithm, Genetic Algorithm, Hub Location Allocation, QAP, Quadratic Assignment Problem, Transportation Problem, آموزش GA, آموزش الگوریتم ژنتیک, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک عملی, الگوریتم ژنتیک پیوسته, برنامه نویسی متلب, بهینه سازی, تخصیص درجه دو, فیلم آموزشی الگوریتم ژنتیک, محاسبات تکاملی, مسأله تخصیص درجه دو, مسأله حمل و نقل, مسأله کوله پشتی, مسائل تخصیص, مکان یابی, مکان یابی هاب, پیاده سازی الگوریتم ژنتیک در متلب

Feed enhanced by Better Feed from Ozh

به جرأت می توان گفت که یکی از مسائل مهم در تمامی رشته های علمی و مهندسی، مسأله مدل سازی است و در بسیاری از رشته ها، این مسأله مهم ترین مسأله ای است که در آن حوزه تعریف می شود. تبدیل داده های برگرفته از مشاهدات، به مدلی ریاضی که بتواند سیستم مورد مطالعه را توصیف نماید، گاهی اوقات بزرگترین هدفی است که یک محقق دارد. اگر هدف از مدل سازی، ایجاد یک مدل دینامیکی، به صورت مجموعه ای از معادلات دیفرانسیلی باشد، مسأله مدل سازی غالبا با نام شناسایی سیستم یا System Identification شناخته می شود. شناسایی سیستم مختص هیچ رشته خاصی نیست، اما اغلب مهندسین کنترل و ریاضی دان ها به کار توسعه الگوریتم ها و روش های شناسایی مبادرت می ورزند.

روش های مختلفی برای حل مسأله شناسایی سیستم و مدل سازی سیستم های دینامیکی به وجود آمده اند که در حوزه های مختلفی نظیر، مهندسی برق، مهندسی پزشکی، مهندسی مکانیک، مهندسی شیمی و فرآیند، اقتصاد، هواشناسی و کشاورزی کاربرد دارند.

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است. در این پست قصد داریم فیلم جدیدی را معرفی نماییم، که در آن مسأله شناسایی سیستم غیرخطی به یک مسأله بهینه سازی تبدیل گردیده است و توسط الگوریتم ژنتیک پیوسته (عدد حقیقی) حل شده است.

سیستم دینامیکی غیر خطی که در این فیلم آموزشی مورد بررسی قرار گرفته است، مدل شکار و شکارچی یا Predator-Prey Model است. این مدل کاربردهای فراوانی در حوزه مهندسی زیست-پزشکی (Biomedical Engineering) و اقتصاد (Economics) دارد. مدل های دینامیکی توصیف کننده  رفتار دینامیکی بیماری هایی نظیر ایدز، هپاتیت و سرطان از توسعه مدل شکار و شکارچی به دست آمده اند. برای توصیف بازار رقابتی و مدل سازی چرخه عرضه و تقاضا نیز از مدل شکار و شکارچی استفاده های فراوانی شده است.

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک نمایید.

(...)
Read the rest of فیلم آموزشی شناسایی سیستم های غیر خطی با استفاده از الگوریتم ژنتیک (به زبان فارسی) (681 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Binary Genetic Algorithm, Genetic Algorithm, System Identification, آموزش GA, آموزش الگوریتم ژنتیک, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک عملی, الگوریتم ژنتیک پیوسته, برنامه نویسی متلب, بهینه سازی, سیستم های دینامیکی, سیستم های غیر خطی, شناسایی سیستم, شناسایی سیستم با الگوریتم ژنتیک, شناسایی سیستم های غیر خطی, فیلم آموزشی الگوریتم ژنتیک, محاسبات تکاملی, مدل سازی, مدل سازی سیستم های دینامیکی, پیاده سازی الگوریتم ژنتیک در متلب

Feed enhanced by Better Feed from Ozh

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است. تا کنون محصولات متنوعی برای آموزش مباحث تئوری و عملی الگوریتم های ژنتیک، بر روی متلب سایت ارائه شده اند. در این پست قصد داریم محصول جدیدی را که مربوط به حل مسأله کوله پشتی یا Knapsack Problem با استفاده از الگوریتم ژنتیک است، به حضور مخاطبین محترم متلب سایت، معرفی کنیم.

مسأله کوله پشتی یا Knapsack Problem یکی از مسائل معروف در ریاضیات کاربردی و تحقیق در عملیات است، که به نام Backpack Problem نیز شناخته می شود. این مسأله دارای نسخه های مختلفی است و حالات پیچیده تر آن، در حل مسائل روزمره و صنعتی، کاربردهای فراوانی دارد. گذشته از اهمیت عملی این مسأله، نسخه های استانداردی نیز برای این مسأله تعریف شده اند که برای ارزیابی عملکرد الگوریتم های بهینه سازی، مورد استفاده قرار می گیرد. در این فیلم آموزشی با استفاده از الگوریتم ژنتیک به حل مسأله کوله پشتی باینری پرداخته شده است.

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک نمایید.

(...)
Read the rest of دانلود رایگان فیلم آموزشی حل مسأله کوله پشتی با الگوریتم ژنتیک (به زبان فارسی) (498 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 4 comments | Add to del.icio.us
Post tags: Binary Genetic Algorithm, Genetic Algorithm, آموزش GA, آموزش الگوریتم ژنتیک, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک عملی, الگوریتم ژنتیک پیوسته, برنامه نویسی متلب, بهینه سازی, حل مسأله کوله پشتی با الگوریتم ژنتیک, فیلم آموزشی الگوریتم ژنتیک, محاسبات تکاملی, مسأله کوله پشتی, پیاده سازی الگوریتم ژنتیک در متلب

Feed enhanced by Better Feed from Ozh

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است.

در این پست قصد داریم فیلم آموزشی جدیدی را که مربوط به حل مسأله تخصیص درجه دو یا Quadratic Assignment Problem و یا به اختصار QAP است، معرفی نماییم. این مسأله یکی از مسائل پایه ای در بهینه سازی ترکیبی (Combinatorial Optimization) و تحقیق در عملیات است. از نظر دسته بندی کلی، این مسأله در میان مسائل مکان یابی تاسیسات قرار می گیرد و کاربردهای فراوانی در رشته های مختلف علمی و فنی دارد. به عنوان نمونه، به چند مورد از کاربردهای مسأله QAP اشاره می کنیم:

• مهندسی صنایع: مکان یابی بخش های مختلف یک کارخانه صنعتی
• مهندسی الکترونیک: طراحی مدارهای الکترونیکی چاپی به خصوص در حد فشردگی VLSI که دارای اتصالات فراوانی هستند
• مدیریت: مکان یابی و طراحی فضای کاری در یک اداره
• مدیریت شهری: مکان یابی بهینه مراکز مختلف خدماتی، تجاری و مسکونی در سطح شهر
• طراحی مهندسی: طراحی صفحه کلید کامپیوتر و سایر ادوات دیجیتالی
• مهندسی کامپیوتر: طراحی شبکه های کامپیوتری
• مهندسی ابزار دقیق: مکان یابی و طراحی شبکه های سنسوری (حسگر)

در این فیلم مسأله QAP به صورت یک مسأله جایگشتی توصیف شده است و عملگرهای تقاطع (Crossover) و جهش (Mutation) مناسب برای این نوع از مسائل مورد بررسی قرار گرفته اند. سپس این موارد در محیط متلب پیاده سازی شده اند. لازم به ذکر است، که از مطالب گفته شده در این فیلم، می توان برای حل سایر مسائل بهینه سازی جایگشتی استفاده نمود.

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک نمایید.

(...)
Read the rest of فیلم آموزشی حل مسأله تخصیص درجه دو یا QAP با استفاده از الگوریتم ژنتیک (به زبان فارسی) (658 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Binary Genetic Algorithm, Genetic Algorithm, QAP, Quadratic Assignment Problem, آموزش GA, آموزش الگوریتم ژنتیک, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک برای بهینه سازی جایگشتی, الگوریتم ژنتیک عملی, الگوریتم ژنتیک پیوسته, برنامه نویسی متلب, بهینه سازی, بهینه سازی ترکیبی, تحقیق در عملیات, تخصیص درجه دو, فیلم آموزشی الگوریتم ژنتیک, محاسبات تکاملی, مسأله تخصیص درجه دو, مسائل بهینه سازی جایگشتی, مسائل تخصیص, پیاده سازی الگوریتم ژنتیک در متلب

Feed enhanced by Better Feed from Ozh

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است.

تا کنون محصولات متنوعی برای آموزش مباحث تئوری و عملی الگوریتم های ژنتیک، بر روی متلب سایت ارائه شده اند. در این پست قصد داریم محصول جدیدی را که مربوط به حل مسأله حمل و نقل یا Transportation Problem است، به حضور مخاطبین محترم متلب سایت، معرفی کنیم. مسأله حمل و نقل، در حوزه مهندسی صنایع و مدیریت کاربردهای فراوانی دارد و یکی از مسائل پایه ای در مبحث زنجیره های تأمین است.

در این فیلم آموزشی درکنار حل مسأله حمل و نقل، نکات فراوان عملی و تئوری برای برخورد با مسائل بهینه سازی مقید ارائه می شود، که قطعا برای حل سایر مسائل بهینه سازی نیز می توانند مورد استفاده قرار بگیرند. از این رو، این فیلم آموزشی، مرجع مناسبی برای بهینه سازی مقید به حساب می آید.

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک نمایید.

(...)
Read the rest of فیلم آموزشی حل مسأله حمل و نقل با استفاده از الگوریتم ژنتیک (به زبان فارسی) (519 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Binary Genetic Algorithm, Genetic Algorithm, Transportation Problem, آموزش GA, آموزش الگوریتم ژنتیک, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک عملی, الگوریتم ژنتیک پیوسته, برنامه ریزی خطی, برنامه نویسی متلب, بهینه سازی, تحقیق در عملیات, فیلم آموزشی الگوریتم ژنتیک, محاسبات تکاملی, مسأله حمل و نقل, مهندسی صنایع, پیاده سازی الگوریتم ژنتیک در متلب

Feed enhanced by Better Feed from Ozh

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است. تا کنون محصولات متنوعی برای آموزش مباحث تئوری و عملی الگوریتم های ژنتیک، بر روی متلب سایت ارائه شده اند. در این پست قصد داریم محصول جدیدی را که مربوط به حل مسأله مکان یابی هاب یا Hub Location Allocation است، به حضور مخاطبین محترم متلب سایت، معرفی کنیم.

مسأله مکان یابی هاب، که در حوزه مهندسی مخابرات و کامپیوتر به نام طراحی شبکه حسگر (سنسور) بی سیم یا Wireless Sensor Network Design نیز شناخته می شود، یکی از مسائل بسیار کاربردی است که در زمینه های مختلفی، به شکل های متنوع ظاهر می شود. از جمله کاربردهای این مسأله می توان به این موارد اشاره کرد:

• مهندسی مخابرات: طراحی شبکه های ارتباطی، مانند تلفن، موبایل و پست
• مهندسی کامپیوتر: طراحی شبکه های کامپیوتری
• مهندسی ابزار دقیق: طراحی شبکه های سنسوری در محیط های صنعتی (مثلا پالایشگاه، پتروشیمی و نیروگاه)
• مدیریت شهری: مکان یابی مراکز خدماتی
• مدیریت حمل و نقل: مکان یابی مراکز نظارتی و ایستگاه های امداد
• مهندسی قدرت: مکان یابی مراکز تعمیرات، نگهداری و مانیتورینگ خطوط نیرو

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک نمایید.

(...)
Read the rest of فیلم آموزشی حل مسأله مکان یابی هاب با الگوریتم ژنتیک (به زبان فارسی) (455 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Binary Genetic Algorithm, Genetic Algorithm, Hub Location Allocation, Wireless Sensor Network, آموزش GA, آموزش الگوریتم ژنتیک, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک عملی, الگوریتم ژنتیک پیوسته, برنامه نویسی متلب, بهینه سازی, شبکه حسگر بیسیم, شبکه سنسور بیسیم, فیلم آموزشی الگوریتم ژنتیک, محاسبات تکاملی, مهندسی صنایع, مهندسی مخابرات, مهندسی کامپیوتر, مکان یابی, مکان یابی هاب, پیاده سازی الگوریتم ژنتیک در متلب

Feed enhanced by Better Feed from Ozh

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است. بسیاری از افراد، سایر روش های بهینه سازی هوشمند را، نسخه های تغییر یافته ای از الگوریتم ژنتیک می شناسند و قائل به اصالت وجود و ماهوی سایر الگوریتم ها نیستند. این ابزار محاسباتی، در اوایل دهه ۱۹۷۰ از دل نتایجی پدید آمد، که از تلاش های مهندسین و دانشمندان آن روزگار برای شبیه سازی فرایند تکامل، صورت پذیرفته بود. مبتکر ایده الگوریتم های ژنتیک، جان هالند بود و پس از وی، یکی از شاگرادنش به نام دیوید گولدبرگ، تلاش فراوانی برای توسعه الگوریتم های ژنتیک انجام داده است.

تا کنون محصولات متنوعی برای آموزش مباحث تئوری و عملی الگوریتم های ژنتیک، بر روی متلب سایت ارائه شده اند. در این پست قصد داریم جدیدترین و کامل ترین محصول متلب سایت را که مربوط به آموزش تئوری و عملی الگوریتم های ژنتیک در متلب است، به حضور مخاطبین محترم معرفی نماییم. این فیلم آموزشی، که مشتمل بر بیش از ۶ ساعت برنامه آموزشی است، قطعا یک مرجع بی نظیر برای آموزش مباحث تخصصی مرتبط با الگوریتم های ژنتیک و از همه مهم تر، پیاده سازی الگوریتم های ژنتیک در محیط متلب است.

این محصول شامل همه مطالبی است که شما باید در مورد الگوریتم ژنتیک بدانید و از نظر برنامه نویسی نیز، کامل ترین محصولی است که تا کنون در مورد الگوریتم های ژنتیکی ارائه شده است.

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک نمایید.

(...)
Read the rest of فیلم جامع آموزش عملی الگوریتم های ژنتیک در متلب (به زبان فارسی) (857 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Binary Genetic Algorithm, Genetic Algorithm, آموزش GA, آموزش الگوریتم ژنتیک, استراتژی تکاملی, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک عملی, الگوریتم ژنتیک پیوسته, برنامه نویسی متلب, بهینه سازی, فیلم آموزشی الگوریتم ژنتیک, محاسبات تکاملی, پیاده سازی الگوریتم ژنتیک در متلب

Feed enhanced by Better Feed from Ozh